ВОЗ признает, что эта технология может способствовать улучшению показателей здоровья населения, повышая качество клинических испытаний. Также ИИ позволяет более точно выбирать методы диагностики и лечения заболеваний, тактику самопомощи и индивидуальной помощи.

При этом процесс освоения этой технологии происходит быстро и иногда без досконального понимания механизмов ее работы, что может приносить как пользу, так и вред конечным пользователям. Также при работе с медицинскими данными системы ИИ могут задействовать личную информацию.

В публикации ВОЗ наметила шесть направлений регулирования этих технологий в сфере здравоохранения:

1. Важное значение для укрепления доверия к новым технологиям имеют открытость данных и ведение документации, в том числе документальная регистрация всего жизненного цикла решений и отслеживание процессов их разработки.

2. Необходимо комплексно решать вопросы, касающиеся целевого назначения технологий, непрерывного обучения, вмешательства человека, моделей обучения и угроз кибербезопасности, на основе как можно более простых моделей.

3. Обеспечению безопасности и упрощению регулирования способствуют внешняя валидация данных и четкое определение целевого назначения технологий ИИ.

4. Чтобы избежать распространения систематических погрешностей и ошибок, необходим порядок контроля качества данных, в том числе предусматривающий тщательную проверку систем перед их выпуском.

5. Для конфиденциальности и защиты данных нужно решать проблемы, связанные с применением наиболее важных комплексных режимов регулирования: четко определять пределы действия их юрисдикции и устанавливаемые ими требования к получению согласий на обработку данных.

6. Укрепление сотрудничества между регулирующими органами, пациентами, медицинскими специалистами, представителями промышленности и партнерами из числа госструктур помогает обеспечить соответствие продуктов и услуг нормативным требованиям на протяжении их жизненного цикла.

В докладе также отмечается, что функционирование систем ИИ зависит не только от реализованного в них кода, но и от данных, которые используются в ходе обучения таких систем и накапливаются, например, в процессе работы медучреждений и взаимодействия с пользователями. Чем качественнее регулирование, тем меньше риск того, что системы ИИ будут увеличивать отклонения, присутствующие в тренировочных данных.